Una herramienta de inteligencia artificial perfecta para estudiar las enfermedades inflamatorias

La inteligencia artificial puede distinguir afecciones inflamatorias superpuestas con total precisión, según un nuevo estudio presentado en el Congreso Anual del American College of Rheumatology (ACR) de 2023.

Los pediatras de Texas se enfrentaron a un enigma durante la pandemia. El tifus endémico, una rickettsiosis exantemática transmitida por pulgas, común en la región, es casi indistinguible del síndrome inflamatorio multisistémico infantil (MIS-C), una afección poco frecuente desencadenada por la infección por SARS-CoV-2. La población pediátrica con una u otra afección presenta síntomas aparentemente idénticos: fiebre, erupción cutánea, problemas gastrointestinales y necesidad de tratamiento rápido. El diagnóstico de tifus endémico puede tardar de 4 a 6 días en confirmarse.

La Dra. Tiphanie Vogel, Ph. D., reumatóloga pediátrica del Texas Children’s Hospital en Houston, Estados Unidos, y sus colaboradores buscaron crear una herramienta para acelerar el diagnóstico e, idealmente, el tratamiento. Para ello, incorporaron el aprendizaje automático y los factores clínicos disponibles dentro de las primeras 6 horas de la aparición de los síntomas.

El equipo analizó 49 parámetros demográficos, clínicos y de laboratorio de las historias clínicas de 133 niños con síndrome inflamatorio multisistémico infantil y 87 con tifus endémico. Mediante aprendizaje profundo redujeron el modelo a 30 características esenciales que se convirtieron en la columna vertebral de AI-MET, un sistema de apoyo para la toma de decisiones clínicas en dos fases.

En la fase 1 se utilizan 17 factores clínicos y puede realizarse en papel. Si la puntuación de un paciente en la fase 1 no es determinante, los médicos pasan a la fase 2, que utiliza otros 13 factores ponderados y aprendizaje automático.

En las pruebas, la herramienta de dos partes clasificó perfectamente a cada uno de los 220 pacientes de prueba, y diagnosticó a un segundo grupo de 111 pacientes con síndrome inflamatorio multisistémico infantil con una precisión de 99 % (110/111).

Cabe destacar que «ese primer paso clasifica correctamente a un paciente la mitad de las veces», explicó la Dra. Vogel, de modo que la segunda fase de la herramienta, la de inteligencia artificial, solo fue necesaria en la mitad de los casos. La Dra. Vogel dijo que se trata de una buena señal, ya que significa que la herramienta es útil en entornos en los que la inteligencia artificial no siempre es factible, como los servicios de urgencias.

La Dra. Melissa Mizesko, reumatóloga pediátrica del Driscoll Children’s Hospital en Corpus Christi, Estados Unidos, afirmó que la nueva herramienta podría ayudar a los médicos a agilizar la atención. Cuando los casos de síndrome inflamatorio multisistémico infantil alcanzaron su nivel máximo en Texas, los médicos solían administrar doxiciclina a los niños enfermos y al mismo tiempo trataban el síndrome inflamatorio multisistémico infantil, y luego esperaban a ver si el antibiótico bajaba la fiebre, narró la Dra. Mizesko.

«Esta nueva herramienta es útil si vives en una parte del país donde hay tifus endémico», afirmó la Dra. Jane Burns, directora del Centro de Investigación de la enfermedad de Kawasaki de la Universidad de California en San Diego, Estados Unidos, quien ayudó a desarrollar una herramienta similar basada en la inteligencia artificial para distinguir el síndrome inflamatorio multisistémico infantil de la enfermedad de Kawasaki. No obstante, animó a los investigadores a ampliar sus pruebas para incluir otras enfermedades. Aunque el modelo de inteligencia artificial desarrollado por el grupo de la Dra. Vogel puede identificar el síndrome inflamatorio multisistémico infantil o el tifus endémico, ¿qué ocurre si un niño no padece ninguna de las dos enfermedades? «No es frecuente que se trate de un diagnóstico entre solo dos enfermedades específicas», apuntó la Dra. Burns.

La Dra. Vogel también quiere que AI-MET sea más eficaz. «Esta vez hemos dado prioridad a una precisión perfecta», afirmó, pero 30 factores clínicos, 17 de ellos registrados y calculados a mano, son muchos. «¿Podríamos lograr que fuera muy preciso, aunque no perfecto, con menos datos?».

Además de perfeccionar AI-MET, que el Texas Children’s espera con el tiempo poner a disposición de otras instituciones, la Dra. Vogel y sus colaboradores también están considerando otros casos de uso para la inteligencia artificial. El lupus es una opción. «Tal vez con el aprendizaje automático podríamos identificar pistas en el diagnóstico que ayudarían a recomendar un tratamiento específico», finalizó.